Библиотеки Python

Задание 1.

Объявите класс с именем Clock и определите в нем следующие переменные и методы:

- приватная локальная переменная time для хранения текущего времени, целое число (своя для каждого объекта класса Clock с начальным значением 0);
- публичный метод set_time(tm) для установки текущего времени (присваивает значение tm приватному локальному свойству time, если метод check_time(tm) возвратил True);
- публичный метод get_time() для получения текущего времени из приватной локальной переменной time;
- приватный метод класса check_time(tm) для проверки корректности времени в переменной tm (возвращает True, если значение корректно и False - в противном случае).

Проверка корректности выполняется по критерию: tm должна быть целым числом, больше или равна нулю и меньше 100 000.

Объекты класса Clock создаются следующим образом :

clock = Clock(время)

Задание 2
Создайте объект clock класса Clock и установите время, равным 4530.

1. Группировать столбцы DataFrame
2. Группировать строки DataFrame на основе условия
3. Группировать данные на основе одного или нескольких столбцов
4. Группировать данные на основе индекса

1. Количество строк и столбцов
2. Только количество строк
3. Только количество столбцов
4. Типы данных столбцов

1. df.filter(condition)
2. df.select_rows(condition)
3. df[condition]
4. df.filter_rows(condition)

1. Для отображения нескольких последних строк фрейма данных
2. Для отображения нескольких первых строк DataFrame
3. Для отображения сводной статистики фрейма данных
4. Для отображения сводной статистики фрейма данных

1. df.select_column("ColumnName")
2. df.get_column("ColumnName")
3. df["ColumnName"]
4. df.column("ColumnName")

1. Числовой индекс, начиная с 1
2. Буквенно-цифровой индекс, основанный на номере строки
3. Числовой индекс, начинающийся с 0
4. Индекс на основе даты

1. DataFrame
2. Array
3. Series  
4. List  

1. Библиотека визуализации данных
2. Библиотека машинного обучения
3. Библиотека для манипулирования и анализа данных
4. Фреймворк для веб-разработки

1.  print(df.describe())
2.  print(df.stats())
3.  print(describe(df))
4.  print(stats(df))

1. print(df.loc['cl3','cl5'])
2. print(df.loc[['cl3','cl5']])
3. print(cls.iloc[['cl3','cl5']])
4. print(df.iloc['cl3','cl5'])

1.  df.dropna()
2.  df.removena
3.  df.removenull()
4.  df.delnull()

1.  Возвращает столбцы clmn, в которых значение равно 10
2.  Вернуть все столбцы фрейма данных df со значением, равным 10
3.  Вернуть все столбцы clmn и первые 10 строк
4.  Ничего из вышеперечисленного

1.  df.clmn.astype(str)
2.  df.clmn.type(str)
3.  str(df.clmn)
4.  Ничего из вышеперечисленного

print(df.iloc[2:5]) 

1. печатает 2-й, 3-й, 4-й и 5-й столбцы фрейма данных df
2. печатает 2-й, 3-й, 4-й столбцы фрейма данных df
3. печатает 2-ю, 3-ю, 4-ю строки фрейма данных df
4. печатает 2-ю, 3-ю, 4-ю и 5-ю строки фрейма данных df

1. pandas.DataFrame( data, index, columns, dtype, copy)
2. pandas.Dataframe( data, index, columns, dtype, copy)
3. pandas.dataFrame( data, index, columns, dtype,)
4. pandas.dataframe( data, index, columns, dtype)

1.  двумерный массив
2.  списки, словари или серии.
3.  Pandas DataFrame
4.  Все вышеперечисленное

1. 10,5
2. 5,5 
3. 1,5 
4. 1,1

1.  Возвращает количество строк и столбцов соответственно в виде кортежа
2.  Возвращает количество столбцов и строк соответственно в виде списка
3.  Возвращает количество строк и столбцов соответственно в виде списка
4.  Возвращает количество столбцов и строк соответственно в виде кортежа

1. print(df.dtype)
2. print(dtypes(df)) 
3. print(df.dtypes) 
4. None of the above